激發(fā)極化電法勘探（激電法）是一種針對(duì)地質(zhì)體導(dǎo)電性和激電性差異進(jìn)行探測(cè)的地球物理分支方法。近年來(lái)國(guó)內(nèi)外先后研發(fā)了分布式全波形電法勘探儀器設(shè)備,激電數(shù)據(jù)采集效率得到迅速發(fā)展,但相應(yīng)的數(shù)據(jù)處理解釋方法依然有所滯后。本文的研究目的是針對(duì)分布式激電勘探產(chǎn)生的大規(guī)模數(shù)據(jù),建立一套初步智能化的信噪分離與反演成像方法,提高激電勘探的數(shù)據(jù)質(zhì)量和應(yīng)用效果。為了提高分布式激電抗干擾數(shù)據(jù)處理的精度和效率,本文提出了基于降噪方法庫(kù)與統(tǒng)計(jì)決策的抗干擾技術(shù)。首先實(shí)現(xiàn)了三維介質(zhì)的激電全波形響應(yīng)正演模擬,通過(guò)分析生成的激電全波形理論信號(hào)與不同類型噪聲干擾特征,提取最能表征時(shí)間序列類型的八個(gè)時(shí)/頻域統(tǒng)計(jì)分量。繼而模擬生成激電信號(hào)庫(kù)與噪聲庫(kù),通過(guò)支持向量機(jī)（SVM）分類算法實(shí)現(xiàn)機(jī)器對(duì)時(shí)間序列中不同噪聲干擾的判斷識(shí)別。然后,通過(guò)學(xué)習(xí)總結(jié)信號(hào)處理領(lǐng)域的相關(guān)知識(shí),優(yōu)選并改進(jìn)五種有針對(duì)性的信號(hào)處理技術(shù),包括:經(jīng)驗(yàn)?zāi)B(tài)分解、波形匹配、穩(wěn)健估計(jì)、主成分分析和小波分析等,并集成為一個(gè)降噪方法庫(kù),供決策系統(tǒng)自動(dòng)選擇相應(yīng)的信號(hào)處理技術(shù),實(shí)現(xiàn)干擾壓制。上述方法是一種基于統(tǒng)計(jì)分析與信號(hào)處理知識(shí)驅(qū)動(dòng)的自動(dòng)化抗干擾算法。為了克服激電反演成像中常規(guī)擬... 

【文章來(lái)源】：中國(guó)地質(zhì)科學(xué)院北京市

【文章頁(yè)數(shù)】：166 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

法國(guó)IRIS全波形激電勘探數(shù)據(jù)處理軟件所采用的信號(hào)處理技術(shù)Fig.1-1SignalprocessingtechnologyinIRISfullwaveformIPdataprocessingsoftware.

第一章緒論91.2.3機(jī)器學(xué)習(xí)算法應(yīng)用現(xiàn)狀機(jī)器學(xué)習(xí)是一類利用機(jī)器或計(jì)算機(jī)自動(dòng)從海量數(shù)據(jù)中尋找規(guī)律、建立模式、做出預(yù)測(cè)的一系列方法集合（Bishop,2006）。圖1-2為機(jī)器學(xué)習(xí)主要分支及常用算法。機(jī)器算法根據(jù)所處理的數(shù)據(jù)樣本的屬性，可分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)兩種。監(jiān)督學(xué)習(xí)針對(duì)有標(biāo)簽的數(shù)據(jù)，根據(jù)給定的輸入-輸出數(shù)據(jù)對(duì)，進(jìn)行訓(xùn)練，尋找內(nèi)在邏輯關(guān)系，主要用于樣本數(shù)據(jù)的分類和回歸。無(wú)監(jiān)督學(xué)習(xí)針對(duì)無(wú)標(biāo)簽的數(shù)據(jù)，需要機(jī)器根據(jù)樣本數(shù)據(jù)本身的分布特征進(jìn)行處理，主要用于樣本數(shù)據(jù)的聚類和降維。機(jī)器學(xué)習(xí)也可以根據(jù)算法的復(fù)雜程度分為兩大類，一類源于特征提取和統(tǒng)計(jì)分析，常用算法包括：決策樹(shù)、支持向量機(jī)（SVM）分類器、聚類分析、隨機(jī)森林等。第二類源于模糊邏輯和萬(wàn)能逼近理論，常用算法包括：各種淺層人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等，用于根據(jù)樣本訓(xùn)練網(wǎng)絡(luò)模型，獲取輸入數(shù)據(jù)與輸出數(shù)據(jù)之間隱含的規(guī)則，再根據(jù)新數(shù)據(jù)，直接輸出新的預(yù)測(cè)結(jié)果，是更高水平的數(shù)據(jù)驅(qū)動(dòng)方法。圖1-2機(jī)器學(xué)習(xí)分類及常用算法Fig.1-2Classificationandcommonalgorithmsofmachinelearning（圖片引自：https://www.robinwieruch.de/machine-learning-javascript-web-developers）在地學(xué)領(lǐng)域，機(jī)器學(xué)習(xí)算法已經(jīng)在遙感影像分類、成礦遠(yuǎn)景預(yù)測(cè)、測(cè)井巖性識(shí)別、地球化學(xué)異常分異等領(lǐng)域得到非常廣泛的應(yīng)用（Laryetal.,2016;Karpatneetal.,2018;Bergenetal.,2019）。在地球物理分支學(xué)科中的地震信號(hào)處理、數(shù)據(jù)重構(gòu)、斷層識(shí)別等方面的應(yīng)用也越來(lái)越多（Jia&Ma,2017;Wangetal.,2018）。在電法勘探中，雖然目前還沒(méi)有成熟的基于機(jī)器學(xué)習(xí)的商業(yè)軟件推出，但學(xué)者們已經(jīng)開(kāi)展了一些理論研

中國(guó)地質(zhì)科學(xué)院博士學(xué)位論文121.3研究?jī)?nèi)容及方案1.3.1整體研究框架本文的研究目的是針對(duì)分布式激電勘探產(chǎn)生的大規(guī)模數(shù)據(jù)，建立一套初步智能化的信噪分離與反演成像方法，提高激電勘探的數(shù)據(jù)質(zhì)量和應(yīng)用效果。整體研究框架如圖1-3。首先實(shí)現(xiàn)三維主軸各向異性介質(zhì)的激電全波形響應(yīng)正演模擬，為生成激電理論信號(hào)樣本和三維正反演模型樣本打下基矗然后分析生成的激電全波形理論信號(hào)與不同類型噪聲干擾的特征，提出基于降噪方法庫(kù)與統(tǒng)計(jì)決策的抗干擾技術(shù)。繼而對(duì)兩種機(jī)器學(xué)習(xí)算法進(jìn)行改進(jìn)，提出了樣本壓縮神經(jīng)網(wǎng)絡(luò)算法和自適應(yīng)聚類分析算法，分別應(yīng)用于激電勘探數(shù)據(jù)反演和邊界識(shí)別。最后，將本文提出的方法應(yīng)用于我國(guó)西南某鉛鋅多金屬礦區(qū)的實(shí)測(cè)激電數(shù)據(jù)，分析抗干擾和反演效果。圖1-3論文總體研究方案Fig.1-3Theoverallresearchschemeofthethesis.


本文編號(hào)：3575378